Geri Dön

Derin öğrenme kullanarak IP üzerinden ses hizmeti veren şebekelerde sahtekârlığa yönelik çağrıların tespiti

Fraud detection in VOIP networks using deep learning

  1. Tez No: 593535
  2. Yazar: MURAT BAĞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AHMET AKBULUT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 91

Özet

Telekomünikasyon operatörleri altyapısı kullanılarak yapılan sahtekârlık/kötü niyetli kullanım, bu endüstride gelir kayıplarına ve kullanıcı mağduriyetlerine sebep olmaktadır. Bu problem karşısında telekomünikasyon operatörlerince kullanılan sahtekârlık yönetim sistemleri servis özelinde ve mevcut sabit kural kümeleri çerçevesinde çalışmaktadır. Gerçek zamanlı verilerin kullanılmaması nedeniyle, kayıplar gerçekleştikten sonra sahtekarlık çağrıları tespit edilerek yenilerinin oluşması engellenmektedir. Tez çalışması kapsamında; abonelerin çağrı detay kayıtları, gerçek zamanlı sinyalleşme izleri, demografik verileri ve ödeme verilerinin analizleri sonrası sahtekârlık tespitinde etkili parametreler belirlenerek iki ayrı yapay sinir ağı tasarlanmıştır. Bu ağlardan biri çevrimdışı tespit yaparken diğeri de gerçek zamanlı tespit yapmaktadır. Tasarlanan ağlar; performanslarının ölçülmesi amacıyla geniş bir veri seti ile test edilmiştir. Ölçülen performansların, farklı bir makine öğrenme yöntemi ile karşılaştırılması için k-en yakın komşuluk (ing. k-nearest neighborhood, KNN) algoritması kullanılmıştır. Çevrimdışı sahtekarlık çağrı tespiti yapan ağda; diğer ağ performanslarına göre daha başarılı sonuçlar alınmıştır. Gerçek zamanlı tespit yapan ağda ise; çevrimdışı tespit performansına göre sahtekarlık çağrısı tespit oranları daha düşük olmasına rağmen, sahtekarlık nedeniyle oluşan kayıpların önemli ölçüde engellenebileceği görülmüştür.

Özet (Çeviri)

Fraud / malicious use of telecommunication services are causing significant losses for service providers. In the face of this problem, fraud management systems used by telecom operators operate in a service specific manner and within the framework of existing fixed rule sets. Due to the lack of real-time data usage, fraud calls are identified after losses occur. New rules are identified to prevent new fraud calls. Within the scope of the thesis; subscriber call detail records, signaling traces, user demographic and payment data are used to train two different artificial neural networks for fraud detection. In order to measure the performance of the designed networks, the performance of another network using k-nearest neighborhood (KNN) algorithm was trained and compared with the designed networks. Training the network with the data set created with call detail records, subscriber demographic and payment data; the network was able to detect fraud calls with the highest success rate. Although, the real-time fraudulent call detection performance was lower than offline detection performance, it could detect fraudulent calls before the connection has been established and prevent losses.

Benzer Tezler

  1. UR5 işbirlikçi robotla farklı geometrik şekillere sahip nesnelerin sınıflandırılması

    Classifying components with different geometric shapes by UR5 cobot

    AHMET ARAS AL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞÖLEN KUMBAY YILDIZ

  2. An online network intrusion detection system for DDoS attacks with IoT botnet

    IoT botnetleri ile yapılan dağıtık servis dışı bırakma saldırıları için çevrimiçi bir ağ saldırı tespit sistemi

    ERİM AYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞERİF BAHTİYAR

  3. Deep learning based fully autonomousnetwork intrusion detection system

    Derin öğrenme tabanlı tam otonomağ giriş tespit sistemi

    ZAID FARHAN DAKHIL DAKHIL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Prof. Dr. OSMAN NURİ UÇAN

  4. Distilling knowledge of neural networks for image analysis, model compression, data protection and minimization

    Görüntü analizi, model sıkıştırma, veri koruma ve minimizasyonu için yapay sinir ağlarının bilgisinin damıtılması

    REYHAN KEVSER KESER

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  5. Aircraft detection using deep learning

    Derin öğrenme kullanarak hava aracı tespiti

    UTKU MUTLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. SEDEF KENT PINAR